CN105448041A - 一种人体摔倒智能控制系统及其方法 - Google Patents

一种人体摔倒智能控制系统及其方法 Download PDF

Info

Publication number
CN105448041A
CN105448041A CN201610042331.0A CN201610042331A CN105448041A CN 105448041 A CN105448041 A CN 105448041A CN 201610042331 A CN201610042331 A CN 201610042331A CN 105448041 A CN105448041 A CN 105448041A
Authority
CN
China
Prior art keywords
human body
image
module
intelligent control
falling
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201610042331.0A
Other languages
English (en)
Other versions
CN105448041B (zh
Inventor
汤建男
汤怡天
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Suzhou Lingwei Technology Co.,Ltd.
Original Assignee
Suzhou Wanghu Real Estate Development Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Suzhou Wanghu Real Estate Development Co Ltd filed Critical Suzhou Wanghu Real Estate Development Co Ltd
Priority to CN201610042331.0A priority Critical patent/CN105448041B/zh
Publication of CN105448041A publication Critical patent/CN105448041A/zh
Priority to US16/090,236 priority patent/US10424180B2/en
Priority to EP17741125.3A priority patent/EP3418991A4/en
Priority to PCT/CN2017/076901 priority patent/WO2017125094A1/zh
Application granted granted Critical
Publication of CN105448041B publication Critical patent/CN105448041B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
    • G08B21/0407—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons based on behaviour analysis
    • G08B21/043—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons based on behaviour analysis detecting an emergency event, e.g. a fall
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration using histogram techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G06T7/251—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/254—Analysis of motion involving subtraction of images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G06V40/23—Recognition of whole body movements, e.g. for sport training
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
    • G08B21/0438—Sensor means for detecting
    • G08B21/0476—Cameras to detect unsafe condition, e.g. video cameras
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
    • G08B21/0438—Sensor means for detecting
    • G08B21/0492—Sensor dual technology, i.e. two or more technologies collaborate to extract unsafe condition, e.g. video tracking and RFID tracking
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B3/00—Audible signalling systems; Audible personal calling systems
    • G08B3/10—Audible signalling systems; Audible personal calling systems using electric transmission; using electromagnetic transmission

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Gerontology & Geriatric Medicine (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Psychology (AREA)
  • Human Computer Interaction (AREA)
  • Electromagnetism (AREA)
  • Image Analysis (AREA)
  • Alarm Systems (AREA)
  • Closed-Circuit Television Systems (AREA)
  • Emergency Alarm Devices (AREA)

Abstract

<b>本发明公开了一种</b><b>人体摔倒智能控制系统，包括至少一个用于采集视频图像的图像采集模块，与图像采集模块连接的图像处理模块，所述图像处理模块，用于对采集的视频图像进行人体模式识别，对识别的人体模式建立</b><b>2D</b><b>或</b><b>3D</b><b>模型，跟踪建模后的人体模式信号变化速度和</b><b>/</b><b>或角度是否达到设定阈值判断是否发生摔倒行为，若发生摔倒行为控制报警模块进行报警。</b><b>通过摄像机、音频信号采集数据，对运动目标跟踪，建立</b><b>2D</b><b>或</b><b>3D</b><b>模型，通过比对分析人体摔倒的速度、角度和关联求救声音等判定摔倒行为，比对成功后发出报警，并发送人为制动或自动制动等信号，控制相关设备动作；识别速度快，准确率高，能最大程度的减轻摔倒带来的伤害。</b>

Description

一种人体摔倒智能控制系统及其方法
技术领域
本发明属于人体意外摔倒监控领域，具体地涉及一种人体摔倒智能控制系统及其方法。
背景技术
随着社会高速发展，人们在日常生活中存在许多安全隐患。例如在公共场合发生的踩踏事故、电梯上的摔倒事故、老年人单独在家摔倒却无人知晓等等，这些摔倒事故很有可能会受伤，更有甚者失去宝贵的生命等等。
目前，在国内外老年人、病人及危险工作人员摔倒监测领域，大多数监测设备采用了可穿戴便携传感器，比如加速度和角速度传感器，或者更简单的帮助呼叫按钮。然而，多数人往往不情愿随身佩戴各式各样的传感器设备。在人员摔倒之后，身体不能移动或者大脑失去意识的情况时有发生，这种情况下，帮助呼叫按钮也会失效。另外一种监测摔倒的方法是采用传统的摄像头监控，对摔倒行为进行快速识别。然而，传统的摄像头因为采集数据单一，而且对人员如弯腰等作动识别不清，容易导致误判断，同时因为使用的传感器技术落后，判断准确度较低，在昏暗、夜晚、燥热等环境下，错误率更高。
中国专利文献CN104966380公开了一种可监控人体意外摔倒的报警系统，包括：后台主控单元、摄像单元、传感单元和报警单元；摄像单元和传感单元负责采集人体视频图像及振动信号；后台主控单元，用于对人体视频图像进行分帧处理，判断是否发生摔倒行为；还用于判断振动信号是否超过预设阈值；在判断发生摔倒行为且振动信号超过预设阈值时，生成一报警信号用以控制报警单元进行响应报警。通过图像识别技术，根据人体重心高度、倾斜角度和有效面积变化判定发生摔倒行为。存在的缺点是：
1、仅仅根据人体重心高度、倾斜角度和有效面积变化判定发生摔倒行为的准确率较低，其必须辅助高灵敏度振动传感器才能提高判断的准确率。
2、当判定为发生摔倒行为时只能进行语音报警，并不能控制外部设备动作，无法从基本上达到救援的目的。
发明内容
针对现有技术存在的缺陷，本发明目的是：提供一种人体摔倒智能控制系统及其方法，通过摄像机、音频信号采集数据，对运动目标跟踪，建立2D或3D模型，通过比对分析人体摔倒的速度、角度和关联求救声音等判定摔倒行为，比对成功后发出报警，并发送人为制动或自动制动等信号，控制相关设备动作；识别速度快，准确率高，能最大程度的减轻摔倒带来的伤害。
本发明的技术方案是：
一种人体摔倒智能控制系统，包括至少一个用于采集视频图像的图像采集模块，与图像采集模块连接的图像处理模块，其特征在于，所述图像处理模块，用于对采集的视频图像进行人体模式识别，对识别的人体模式建立2D或3D模型，跟踪建模后的人体模式信号变化速度和/或角度是否达到设定阈值判断是否发生摔倒行为，若发生摔倒行为控制报警模块进行报警。
图像处理模块的视频图像处理包括以下步骤：
（1）运动目标检测：将视频图像处理成图像序列，判断图像序列各帧中有无运动目标出现，若出现运动目标对其定位；
（2）运动目标跟踪：建立连续帧内人体区域的对应关系；
（3）特征提取方法：提取人体的轮廓特征点形成一定规则形状的轮廓状态；
（4）行为识别：对步骤（3）得到的轮廓状态在时空区域进行人体模式识别，对识别的人体模式建立2D或3D模型，跟踪建模后的人体模式信号变化速度将人体判断为正常态或非正常态；若为非正常态，分析连续帧内轮廓状态的变化速度和/或角度，并判断变化速度和/或角度是否达到设定阈值，若达到设定阈值，则判断发生摔倒行为。
优选的，在运动目标检测之前还包括图像预处理，所述图像预处理包括以下步骤：先对图像进行中值滤波，去除图像噪声；然后用边界对比度自适应直方图均衡化方法，对图像进行增强；使用开运算去除与人体相粘连的图像毛刺；采用Prewitt边缘检测的方法，提取图像的轮廓；使用综合法确定图像的灰度阈值，对图像进行二值化处理。
优选的，所述轮廓状态的形状为长方形。
优选的，还包括音频采集模块，用于采集音频信号，当音频信号达到设定阈值时报警模块进行报警。
优选的，图像处理模块还连接执行模块，所述执行模块连接外界设备，当判断发生摔倒行为时，驱动执行模块控制外界设备停止动作。
本发明还公开了一种人体摔倒智能控制方法，其特征在于，包括以下步骤：
S01：使用至少一个图像采集模块采集视频图像；
S02：对采集的视频图像进行人体模式识别，对识别的人体模式建立2D或3D模型，跟踪建模后的人体模式信号变化速度和/或角度是否达到设定阈值判断是否发生摔倒行为，若发生摔倒行为控制报警模块进行报警。
优选的，所述步骤（2）包括以下步骤：
S11运动目标检测：将视频图像处理成图像序列，判断图像序列各帧中有无运动目标出现，若出现运动目标对其定位；
S12运动目标跟踪：建立连续帧内人体区域的对应关系；
S13特征提取方法：提取人体的轮廓特征点形成一定规则形状的轮廓状态；
S14行为识别：对步骤S13得到的轮廓状态在时空区域进行人体模式识别，对识别的人体模式建立2D或3D模型，跟踪建模后的人体模式信号变化速度将人体判断为正常态或非正常态；若为非正常态，分析连续帧内轮廓状态的变化速度和/或角度，并判断变化速度和/或角度是否达到设定阈值，若达到设定阈值，则判断发生摔倒行为。
优选的，在运动目标检测之前还包括图像预处理，所述图像预处理包括以下步骤：先对图像进行中值滤波，去除图像噪声；然后用边界对比度自适应直方图均衡化方法，对图像进行增强；使用开运算去除与人体相粘连的图像毛刺；采用Prewitt边缘检测的方法，提取图像的轮廓；使用综合法确定图像的灰度阈值，对图像进行二值化处理。
与现有技术相比，本发明的优点是：
1．通过摄像机、音频信号采集数据，对运动目标跟踪，建立2D或3D模型，通过比对分析人体摔倒的速度、角度和关联求救声音等判定摔倒行为，比对成功后发出报警，并发送人为制动或自动制动等信号，控制相关设备动作；识别速度快，准确率高，能最大程度的减轻摔倒带来的伤害。
2．本发明应用范围广、兼容性高，可以单独使用，也可以安装在在商城、公共场合等地方，当我们在电梯上发现人员摔倒后可以在第一时间内发现并采取相应制动措施，避免人员伤亡。
附图说明
下面结合附图及实施例对本发明作进一步描述：
图1为本发明人体摔倒智能控制系统的原理框图；
图2为本发明人体摔倒智能控制系统的人体模式分析示意图。
其中：1、摄像机，3、图像处理模块，4、报警模块，5、执行模块，6、外界设备，7、通信模块，31、接收模块，32、数据分析模块。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图，对本发明进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。
实施例：
如图1所示，一种人体摔倒智能控制系统，包括多个图像采集模块和音频采集模块可以为摄像机1，图像采集模块用于采集视频图像，音频采集模块用于采集音频信号，图像采集模块和音频采集模块与图像处理模块3连接，图像处理模块3包括接收模块31和数据分析模块32，接收模块31用于接收音频信号或者图像信号，数据分析模块32对音频信号或者图像信号进行处理分析，若发生摔倒行为控制报警模块4进行报警，数据分析模块32还连接报警模块4，报警模块4用于语音或者发光报警。
数据分析模块32的视频图像处理包括以下步骤：
（1）运动目标检测：将视频图像处理成图像序列，判断图像序列各帧中有无运动目标出现，若出现运动目标对其定位；
（2）运动目标跟踪：建立连续帧内人体区域的对应关系；
（3）特征提取方法：提取人体的轮廓特征点形成一定规则形状的轮廓状态；轮廓状态的形状可以为长方形、方形、线性或者其他形状。本实施例以长方形为例进行说明，如图2所示。
（4）行为识别：对步骤（3）得到的轮廓状态在时空区域进行人体模式识别，对识别的人体模式建立2D或3D模型，跟踪建模后的人体模式信号变化速度将人体判断为正常态或非正常态。
当为正常态时，则不作进一步的处理；若为非正常态，分析连续帧内轮廓状态的变化速度和/或角度，如图2中可以计算长方形A态到B态的角速度、线速度或者加速度，计算AC到BC的角度ACB，判断变化速度和/或角度是否达到设定阈值，若达到设定阈值，则判断发生摔倒行为。设定的阈值可以为角速度、线速度、加速度或者摔倒角度中的一种或多种组合，例如设定摔倒角度阈值角ACB>=40度，并且摔倒变化加速度阈值a>=0.5m/s 2 ，若达到设定阈值，则判断发生摔倒行为。
数据分析模块32对音频信号进行处理，可以为接收到求救信号或者音量达到一定数值时，进行语音报警。
进一步为了提高图像处理的效果提高判断的准确率，可以在运动目标检测之前对图像进行预处理，图像预处理包括以下步骤：先对图像进行中值滤波，去除图像噪声；然后用边界对比度自适应直方图均衡化方法，对图像进行增强；使用开运算去除与人体相粘连的图像毛刺；采用Prewitt边缘检测的方法，提取图像的轮廓；使用综合法确定图像的灰度阈值，对图像进行二值化处理。
数据分析模块32还可以连接执行模块5，执行模块5连接外界设备6（例如自动扶梯等），当判断发生摔倒行为时，驱动执行模块5控制外界设备6停止动作。可以在第一时间采取相应的制动措施。
数据分析模块32还可以连接通信模块7，通信模块7可以与外部设备（例如手机）进行通信，可以在第一时间发出求救信号。
本发明建模简单识别速度快，只需要提取人体的主要外形几个边框点形成模型比对，速度快、效率高。
应当理解的是，本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理，而不构成对本发明的限制。因此，在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。此外，本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。

Claims (10)

1.一种人体摔倒智能控制系统，包括至少一个用于采集视频图像的图像采集模块，与图像采集模块连接的图像处理模块，其特征在于，所述图像处理模块，用于对采集的视频图像进行人体模式识别，对识别的人体模式建立2D或3D模型，跟踪建模后的人体模式信号变化速度和/或角度是否达到设定阈值判断是否发生摔倒行为，若发生摔倒行为控制报警模块进行报警。
2.根据权利要求1所述的人体摔倒智能控制系统，其特征在于，所述图像处理模块的视频图像处理包括以下步骤：
（1）运动目标检测：将视频图像处理成图像序列，判断图像序列各帧中有无运动目标出现，若出现运动目标对其定位；
（2）运动目标跟踪：建立连续帧内人体区域的对应关系；
（3）特征提取方法：提取人体的轮廓特征点形成一定规则形状的轮廓状态；
（4）行为识别：对步骤（3）得到的轮廓状态在时空区域进行人体模式识别并建模，跟踪建模后的人体模式信号变化速度将人体判断为正常态或非正常态；若为非正常态，分析连续帧内轮廓状态的变化速度和/或角度，并判断变化速度和/或角度是否达到设定阈值，若达到设定阈值，则判断发生摔倒行为。
3.根据权利要求2所述的人体摔倒智能控制系统，其特征在于，在运动目标检测之前还包括图像预处理，所述图像预处理包括以下步骤：先对图像进行中值滤波，去除图像噪声；然后用边界对比度自适应直方图均衡化方法，对图像进行增强；使用开运算去除与人体相粘连的图像毛刺；采用Prewitt边缘检测的方法，提取图像的轮廓；使用综合法确定图像的灰度阈值，对图像进行二值化处理。
4.根据权利要求2所述的人体摔倒智能控制系统，其特征在于，所述轮廓状态的形状为长方形。
5.根据权利要求1-4任一项所述的人体摔倒智能控制系统，其特征在于，还包括音频采集模块，用于采集音频信号，当音频信号达到设定阈值时报警模块进行报警。
6.根据权利要求5所述的人体摔倒智能控制系统，其特征在于，图像处理模块还连接执行模块，所述执行模块连接外界设备，当判断发生摔倒行为时，驱动执行模块控制外界设备停止动作。
7.根据权利要求5所述的人体摔倒智能控制系统，其特征在于，图像处理模块还连接通信模块，所述通信模块用于与外部设备通信。
8.一种人体摔倒智能控制方法，其特征在于，包括以下步骤：
S01：使用至少一个图像采集模块采集视频图像；
S02：对采集的视频图像进行人体模式识别，对识别的人体模式建立2D或3D模型，跟踪建模后的人体模式信号变化速度和/或角度是否达到设定阈值判断是否发生摔倒行为，若发生摔倒行为控制报警模块进行报警。
9.根据权利要求8所述的人体摔倒智能控制方法，其特征在于，所述步骤（2）包括以下步骤：
S11运动目标检测：将视频图像处理成图像序列，判断图像序列各帧中有无运动目标出现，若出现运动目标对其定位；
S12运动目标跟踪：建立连续帧内人体区域的对应关系；
S13特征提取方法：提取人体的轮廓特征点形成一定规则形状的轮廓状态；
S14行为识别：对步骤S13得到的轮廓状态在时空区域进行人体模式识别并建模，跟踪建模后的人体模式信号变化速度将人体判断为正常态或非正常态；若为非正常态，分析连续帧内轮廓状态的变化速度和/或角度，并判断变化速度和/或角度是否达到设定阈值，若达到设定阈值，则判断发生摔倒行为。
10.根据权利要求9所述的人体摔倒智能控制方法，其特征在于，在运动目标检测之前还包括图像预处理，所述图像预处理包括以下步骤：先对图像进行中值滤波，去除图像噪声；然后用边界对比度自适应直方图均衡化方法，对图像进行增强；使用开运算去除与人体相粘连的图像毛刺；采用Prewitt边缘检测的方法，提取图像的轮廓；使用综合法确定图像的灰度阈值，对图像进行二值化处理。
CN201610042331.0A 2016-01-22 2016-01-22 一种人体摔倒智能控制系统及其方法 Active CN105448041B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN201610042331.0A CN105448041B (zh) 2016-01-22 2016-01-22 一种人体摔倒智能控制系统及其方法
US16/090,236 US10424180B2 (en) 2016-01-22 2017-03-16 Body fall smart control system and method therefor
EP17741125.3A EP3418991A4 (en) 2016-01-22 2017-03-16 INTELLIGENT CONTROL SYSTEM IN THE EVENT OF FALLING A BODY, AND ASSOCIATED METHOD
PCT/CN2017/076901 WO2017125094A1 (zh) 2016-01-22 2017-03-16 一种人体摔倒智能控制系统及其方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610042331.0A CN105448041B (zh) 2016-01-22 2016-01-22 一种人体摔倒智能控制系统及其方法

Publications (2)

Publication Number Publication Date
CN105448041A true CN105448041A (zh) 2016-03-30
CN105448041B CN105448041B (zh) 2018-04-17

Family

ID=55558166

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610042331.0A Active CN105448041B (zh) 2016-01-22 2016-01-22 一种人体摔倒智能控制系统及其方法

Country Status (3)

Country Link
US (1) US10424180B2 (zh)
CN (1) CN105448041B (zh)
WO (1) WO2017125094A1 (zh)

Cited By (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106097653A (zh) * 2016-06-17 2016-11-09 深圳市易奉亲智慧养老科技有限公司 跌倒报警的方法和系统
WO2017125094A1 (zh) * 2016-01-22 2017-07-27 苏州望湖房地产开发有限公司 一种人体摔倒智能控制系统及其方法
CN107316438A (zh) * 2017-02-27 2017-11-03 哈尔滨理工大学 一种能自动检测独居老人摔倒的智能灯
CN107945458A (zh) * 2017-12-11 2018-04-20 北京奇虎科技有限公司 摄像头场景下的跌倒检测方法、装置及计算设备
CN108416979A (zh) * 2018-03-08 2018-08-17 辽宁工程技术大学 一种智能老年人摔倒报警系统
CN108798761A (zh) * 2018-06-14 2018-11-13 王冬 一种矿井内应急供氧系统及方法
CN109147277A (zh) * 2018-09-30 2019-01-04 桂林海威科技股份有限公司 一种老人看护系统及方法
CN109492613A (zh) * 2018-11-28 2019-03-19 汤建男 一种具有独立空间的人体摔倒探测系统及方法
CN109559477A (zh) * 2018-12-24 2019-04-02 绿瘦健康产业集团有限公司 无人健身房室内智能监管方法、装置、终端设备及介质
CN109858322A (zh) * 2018-12-04 2019-06-07 广东工业大学 一种人体跌倒检测方法及装置
CN111046701A (zh) * 2018-10-12 2020-04-21 深圳技威时代科技有限公司 一种摔倒检测方法及摔倒检测设备
CN111079560A (zh) * 2019-11-26 2020-04-28 深圳市中电数通智慧安全科技股份有限公司 一种摔倒监测方法、装置及终端设备
CN111104932A (zh) * 2020-02-03 2020-05-05 北京都是科技有限公司 一种摔倒检测系统、方法及图像处理器
CN111275928A (zh) * 2020-02-20 2020-06-12 北京澎思科技有限公司 一种用于监测人体活动的预警方法、电子设备、终端设备及预警系统
CN111292504A (zh) * 2020-01-23 2020-06-16 深圳市大拿科技有限公司 一种通过图像识别进行安全告警方法及系统
CN111460908A (zh) * 2020-03-05 2020-07-28 中国地质大学（武汉） 一种基于OpenPose的人体摔倒识别方法及系统
CN112801972A (zh) * 2021-01-25 2021-05-14 武汉理工大学 一种桥梁缺陷检测方法、设备、系统及存储介质
CN112820071A (zh) * 2021-02-25 2021-05-18 泰康保险集团股份有限公司 一种行为识别方法和装置
CN113160518A (zh) * 2021-04-02 2021-07-23 Tcl通讯（宁波）有限公司 一种基于边缘计算的预警系统以及预警方法
CN113158783A (zh) * 2021-03-10 2021-07-23 重庆特斯联智慧科技股份有限公司 一种基于人体识别的社区居民健康监控方法和系统
CN113157003A (zh) * 2021-01-19 2021-07-23 恒大新能源汽车投资控股集团有限公司 一种车辆跟随方法及装置
CN114419844A (zh) * 2022-01-20 2022-04-29 深圳市飞睿智能有限公司 一种摔倒监测方法、装置及系统

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11000078B2 (en) * 2015-12-28 2021-05-11 Xin Jin Personal airbag device for preventing bodily injury
TW201904265A (zh) * 2017-03-31 2019-01-16 加拿大商艾維吉隆股份有限公司 異常運動偵測方法及系統
JP7169213B2 (ja) * 2019-02-05 2022-11-10 株式会社日立製作所 身体健康状態映像分析装置、方法並びにシステム
CN110827512A (zh) * 2019-11-11 2020-02-21 江苏汇康智能科技有限公司 一种智能语音交互养老系统
TWI736286B (zh) * 2020-05-26 2021-08-11 國立清華大學 基於步態分析的不平衡預警方法及穿戴裝置
CN112584094A (zh) * 2020-11-23 2021-03-30 国网浙江省电力有限公司临海市供电公司 基于智能感知的变电站安全监管系统
CN112487924B (zh) * 2020-11-25 2024-09-13 北京中拓新源科技有限公司 基于深度学习从视频中判别人体意外摔倒的方法及装置
CN112669567A (zh) * 2020-12-18 2021-04-16 广东智源信达工程有限公司 养老监护报警与视频监控的联动控制方法及系统
CN112906535B (zh) * 2021-02-09 2022-03-18 哈尔滨理工大学 一种基于神经网络的适用于多尺度多目标的摔倒检测方法
GB2605647A (en) * 2021-04-09 2022-10-12 Secure Sensor Innovative Design Ltd Method and device
CN114758417B (zh) * 2021-04-12 2024-04-02 沈阳工业大学 智能护老感控方法
CN114565974A (zh) * 2022-02-28 2022-05-31 安徽兰臣信息科技有限公司 一种基于3d视觉的人体倾倒识别算法
CN114724335A (zh) * 2022-03-24 2022-07-08 慧之安信息技术股份有限公司 基于边缘计算的敬老院安全监测系统和方法
CN116758109B (zh) * 2023-06-20 2023-11-14 杭州光线数字科技有限公司 一种基于智能设备的动作仪态同步性监测系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103935852A (zh) * 2014-05-17 2014-07-23 才越 一种根据声音进行监控及报警的电梯监控报警及急停装置
CN104000596A (zh) * 2014-05-29 2014-08-27 上海斐讯数据通信技术有限公司 一种基于移动终端的跌倒检测方法
US20150023551A1 (en) * 2013-01-17 2015-01-22 Cash Systems Security Method and device for detecting falls by image analysis
CN104574441A (zh) * 2014-12-31 2015-04-29 浙江工业大学 一种基于gmm和时序模型的跌倒实时检测方法

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7502498B2 (en) * 2004-09-10 2009-03-10 Available For Licensing Patient monitoring apparatus
US20060001545A1 (en) * 2005-05-04 2006-01-05 Mr. Brian Wolf Non-Intrusive Fall Protection Device, System and Method
KR20100056711A (ko) * 2008-11-20 2010-05-28 원광대학교산학협력단 투시영상을 이용한 기절동작 인식방법
KR101515597B1 (ko) * 2013-07-18 2015-04-27 주식회사 에스원 3차원 영상 정보를 이용한 감지 방법 및 장치
CN103577836B (zh) * 2013-09-30 2018-01-23 吴家宝 人体摔倒检测模型建立方法及模型系统
CN103903281B (zh) * 2014-04-04 2016-08-17 西北工业大学 一种基于多特征分析和场景学习的老人摔倒检测方法
EP3230970A1 (en) * 2014-12-10 2017-10-18 Koninklijke Philips N.V. System and method for fall detection
CN104680525B (zh) 2015-02-12 2017-05-10 南通大学 基于Kinect深度图像的人体摔倒自动检测方法
CN105448041B (zh) 2016-01-22 2018-04-17 苏州望湖房地产开发有限公司 一种人体摔倒智能控制系统及其方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150023551A1 (en) * 2013-01-17 2015-01-22 Cash Systems Security Method and device for detecting falls by image analysis
CN103935852A (zh) * 2014-05-17 2014-07-23 才越 一种根据声音进行监控及报警的电梯监控报警及急停装置
CN104000596A (zh) * 2014-05-29 2014-08-27 上海斐讯数据通信技术有限公司 一种基于移动终端的跌倒检测方法
CN104574441A (zh) * 2014-12-31 2015-04-29 浙江工业大学 一种基于gmm和时序模型的跌倒实时检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
宋菲，薛质: "基于OpenCV的老人跌倒检测的设计与实现", 《信息技术》 *

Cited By (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017125094A1 (zh) * 2016-01-22 2017-07-27 苏州望湖房地产开发有限公司 一种人体摔倒智能控制系统及其方法
US10424180B2 (en) 2016-01-22 2019-09-24 Suzhou Ling Wei Technology Co., Ltd. Body fall smart control system and method therefor
CN106097653A (zh) * 2016-06-17 2016-11-09 深圳市易奉亲智慧养老科技有限公司 跌倒报警的方法和系统
CN107316438A (zh) * 2017-02-27 2017-11-03 哈尔滨理工大学 一种能自动检测独居老人摔倒的智能灯
CN107945458A (zh) * 2017-12-11 2018-04-20 北京奇虎科技有限公司 摄像头场景下的跌倒检测方法、装置及计算设备
CN108416979A (zh) * 2018-03-08 2018-08-17 辽宁工程技术大学 一种智能老年人摔倒报警系统
CN108798761A (zh) * 2018-06-14 2018-11-13 王冬 一种矿井内应急供氧系统及方法
CN109147277A (zh) * 2018-09-30 2019-01-04 桂林海威科技股份有限公司 一种老人看护系统及方法
CN111046701A (zh) * 2018-10-12 2020-04-21 深圳技威时代科技有限公司 一种摔倒检测方法及摔倒检测设备
CN109492613A (zh) * 2018-11-28 2019-03-19 汤建男 一种具有独立空间的人体摔倒探测系统及方法
CN109858322A (zh) * 2018-12-04 2019-06-07 广东工业大学 一种人体跌倒检测方法及装置
CN109559477A (zh) * 2018-12-24 2019-04-02 绿瘦健康产业集团有限公司 无人健身房室内智能监管方法、装置、终端设备及介质
CN111079560A (zh) * 2019-11-26 2020-04-28 深圳市中电数通智慧安全科技股份有限公司 一种摔倒监测方法、装置及终端设备
CN111079560B (zh) * 2019-11-26 2023-09-01 深圳市中电数通智慧安全科技股份有限公司 一种摔倒监测方法、装置及终端设备
CN111292504A (zh) * 2020-01-23 2020-06-16 深圳市大拿科技有限公司 一种通过图像识别进行安全告警方法及系统
CN111104932A (zh) * 2020-02-03 2020-05-05 北京都是科技有限公司 一种摔倒检测系统、方法及图像处理器
CN111275928A (zh) * 2020-02-20 2020-06-12 北京澎思科技有限公司 一种用于监测人体活动的预警方法、电子设备、终端设备及预警系统
CN111460908A (zh) * 2020-03-05 2020-07-28 中国地质大学（武汉） 一种基于OpenPose的人体摔倒识别方法及系统
CN111460908B (zh) * 2020-03-05 2023-09-01 中国地质大学（武汉） 一种基于OpenPose的人体摔倒识别方法及系统
CN113157003A (zh) * 2021-01-19 2021-07-23 恒大新能源汽车投资控股集团有限公司 一种车辆跟随方法及装置
CN112801972A (zh) * 2021-01-25 2021-05-14 武汉理工大学 一种桥梁缺陷检测方法、设备、系统及存储介质
CN112820071A (zh) * 2021-02-25 2021-05-18 泰康保险集团股份有限公司 一种行为识别方法和装置
CN113158783A (zh) * 2021-03-10 2021-07-23 重庆特斯联智慧科技股份有限公司 一种基于人体识别的社区居民健康监控方法和系统
CN113160518A (zh) * 2021-04-02 2021-07-23 Tcl通讯（宁波）有限公司 一种基于边缘计算的预警系统以及预警方法
CN114419844A (zh) * 2022-01-20 2022-04-29 深圳市飞睿智能有限公司 一种摔倒监测方法、装置及系统
CN114419844B (zh) * 2022-01-20 2024-05-17 深圳市飞睿智能有限公司 一种摔倒监测方法、装置及系统

Also Published As

Publication number Publication date
US20190114895A1 (en) 2019-04-18
WO2017125094A1 (zh) 2017-07-27
CN105448041B (zh) 2018-04-17
US10424180B2 (en) 2019-09-24

Similar Documents

Publication Publication Date Title
CN105448041A (zh) 一种人体摔倒智能控制系统及其方法
EP3418991A1 (en) Body fall smart control system and method therefor
Doukas et al. Advanced patient or elder fall detection based on movement and sound data
CN105894735B (zh) 一种智能化车载疲劳监测系统及方法
CN107522053B (zh) 一种基于音频分析的电梯平台检测系统及方法
CN105069976B (zh) 一种疲劳检测和行驶记录综合系统及疲劳检测方法
WO2019178851A1 (zh) 一种基于深度学习的井盖缺失检测系统及方法
EP2399513B1 (en) System for non-invasive automated monitoring, detection, analysis, characterisation, prediction or prevention of seizures and movement disorder symptoms
CN106297189B (zh) 交通事故汽车自动报警系统及交通事故监测报警方法
CN110525456B (zh) 一种列车安全驾驶监测系统及方法
CN102426757A (zh) 基于模式识别的安全驾驶监控系统和方法
CN110544360A (zh) 一种列车安全驾驶监测系统及方法
KR101609914B1 (ko) 물리적충격 및 심리적충격에 대응한 긴급상황감지방법과 이를 이용한 긴급상황감지장치
CN106467057A (zh) 车道偏离预警的方法、装置及系统
CN109190600A (zh) 一种基于视觉传感器的驾驶员监控系统
CN104299363A (zh) 基于多特征融合的疲劳驾驶预警系统
CN109435844A (zh) 一种驾驶辅助及司机行为检测方法
CN112754095A (zh) 一种基于多生理信号监测的智能安全帽及其控制方法
CN115294730A (zh) 一种基于ai视频与毫米波雷达融合技术的疲劳驾驶监测系统
CN205722310U (zh) 一种基于视频序列的列车驾驶员行为识别系统
CN207909307U (zh) 一种司钻操作人员疲劳监测及预警装置
CN104376685A (zh) 一种防疲劳驾驶的车辆控制方法
KR102647328B1 (ko) 엣지형 감시카메라 ai 이상상황 탐지제어장치 및 방법
WO2008020458A2 (en) A method and system to detect drowsy state of driver
Doukas et al. Enabling human status awareness in assistive environments based on advanced sound and motion data classification

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20210329

Address after: Room 1302, east half of Building 1, No.1, Xinfa Road, Suzhou Industrial Park, Jiangsu Province

Patentee after: Suzhou Lingwei Technology Co.,Ltd.

Address before: Jinqiwanghu building, No.18, Jiarui lane, Suzhou Industrial Park, Jiangsu Province, 215000

Patentee before: SUZHOU LING WEI TECHNOLOGY Co.,Ltd.